社会网络资本与安徽省地区经济发展

刘梦怡

摘 要：传统理论知识已经不足以解释当今中国区域经济发展中遇到的问题，社会资本为相关研究提供了新的思路。聚焦社会网络资本研究，利用安徽省2017年区县数据进行实证分析。结果表明，社会网络资本对全省总体经济增长有正向作用，其影响力在经济基础较好的地区更为显著。

关键词：社会资本;社会网络;经济增长;地区差异

中图分类号：F2     文献标识码：A      doi：10.19311/j.cnki.1672-3198.2020.06.004

0 引言

在当前中国经济的转型期，提高经济增长质量、推动区域经济平衡发展成为主题之一，这需要我们从更多方面对经济的增长和地区差异做出解释，社会资本正好提供了新的路径。社会资本形成于社会网络之中，后者是前者的内核也是主要表现形式，易于计量，故本文聚焦在社会网络资本的研究。

安徽省作为国家中部发展战略的重点对象，一直在为缩小与东部沿海地区的经济差距做出努力，但其内部区域的经济分化也伴随着总体经济数字的飞升而来。从社会资本角度出发，本文试图将社会网络资本与传统生产要素一同纳入影响宏观经济增长的因素，实证分析影响安徽省各地经济发展的关键性因素，从而为省内各项平衡化发展政策的制定提供一定的理论帮助。

1 文献综述

作为一个社会学概念，社会资本最初是由Hanifan （1916）提出的，关于它的定义一直没有十分权威的解释。目前学者对社会资本的共同认识是：它是独立于物质资本、人力资本的一种全新的资本形式，依托社会网络而存在，通过人际沟通和联系创造收益和价值，表现为社会网络、社会规范和信任。

自Putnam （1993）开始，社会资本与宏观经济增长问题逐渐进入大众视野。从现有文献的数量上看，更多经济学家支持社会资本对经济增长的正向作用。Grootaert （2002）阐述了社会资本的作用机制：社会资本有利于传播信息、建立声誉、减少“搭便车”行为，从而降低了交易成本，正向推动经济发展。

上世纪90年代初，社会资本概念传入中国，国内学者也做了大量研究工作。张维迎、柯荣住（2002）实证分析了中国31个省市的信任度与经济发展的关系， 发现信任对经济绩效有明显的正面影响，信任度的不同是影响中国各地区经济发展的重要原因之一。杨鹏鹏（2008）在评估中国西部经济发展状况时认为，西部大开发战略已经为西部地区输送了大量有形资本，因此有形资本投入不足以解释东西部人均收入悬殊问题，社会资本分布不均才是主要原因。严成樑（2012）运用中国31个省份数据的实证考察说明，社会资本对知识生产和经济增长有显著的促进作用，且这一结论是稳健的。吴建伟（2015）采集全国283个城市的截面数据做了实证检验，结果说明，中国城市间经济发展水平差距是生产要素和社会网络资本共同决定的结果。张梁梁等（2017）基于全国281个地级市的面板数据的实证检验，得出结论：社会资本对经济增长存在显著的正向影响，且影响力度随着城市经济绩效的提高而加强。

以上研究证实了社会资本的积极作用，但考察的空间范围较大。本文将研究对象细化到社会网络资本，同时将空间范围圈定在安徽省，探讨社会网络资本与经济发展水平的相关性。

安徽省105个县级行政区划是本文的总样本。但是，省会城市合肥的经济发展水平与其他地区相差显著。为避免样本方差过大，总样本中剔除了合肥市4个市辖区，保留其管辖的1个县级市和4个县。此外，过滤掉无法获得完整数据的地区，本文共得到了86个有效样本。

本文选择“社会组织密度——每万就业人口中的社会组织数量”来衡量安徽省各区县的社会网络资本水平S。首先，社会组织是有形的社会网络，其数量水平能直接反映一个地区的社会网络水平和民众的社会参与水平;其次，安徽省各地区的社会组织数量可直接从安徽省社会组织平台（http：//www.ahnpo.gov.cn/）获得。政策变量P描述的是地区政府对市场的干预程度，使用的指标是各地财政支出占地区生产总值的比例，再做指数化处理避免取对数后出现负值。其他变量Y、K、L分别选用地区生产总值（单位：亿元）、全社会固定资产投资完成额（单位：亿元）和全社会就业人数（单位：万人）来表示。所有数据均来自2018年《安徽省统计年鉴》以及各地级市统计年鉴。

2.2 实证结果与分析

运用STATA14，本文的实证结果如表1所示。

模型（1）中，物质资本、劳动力和社会网络资本指标的系数分别是0.517、0.503和0.220，并且均在1%的显著性水平上通过检验，说明物质资本、劳动力和社会网络资本都可以显著地直接促进安徽省地区经济的增长。其中，物质资本指标的回归系数最大，说明物质资本在经济增长中起到了最主要的促进作用。而核心解释变量——社会网络资本指标的回归系数0.220表示，每万就业人口中多增加一个社会组织，地区生产总值将平均提升22%。不同于以上三个指标，政策因素的回归系数显著为负，说明政府对经济的干预力度越大，总体来说越会阻碍地区的经济增长。这可能是因为政府在经济中的干预限制了市场经济的作用，资源在市场中的配置受到干扰，从而影响经济的增长。模型常数项的经济学意义是全要素生产率，实证系数显著为正且大于1，说明技术进步的力量能極大地推动经济水平提升。

模型（2）加入了社会网络资本和政策因素的交叉项LnS*LnP，考察二者对地方经济增长的共同影响。其回归系数为0.068，通过1%显著性水平检验，说明两个因素对经济增长的联合效应依然为正。但相比模型（1）中LnS的回归系数0.220，社会网络资本的正向效应明显减弱，说明了社会网络资本对经济的作用主要发生在民间，政府不可过多地直接干预经济，而通过适当的政策引导更多社会组织的形成会有益于地方经济。

为了考察社会网络资本在不同区域经济增长中的作用，这里把总样本分成了两部分：样本一：2017年安徽省人均GDP排名前8个城市包括的40个区县;样本二：2017年安徽省人均GDP排名后8个城市包括的46个区县。

样本一包含的地区大多位于皖南，回归中LnS的系数为0.312，大于总样本回归中LnS的系数0.220，说明社会网络资本对经济的促进作用在这些地区更显著。这是因为一些地区有较好的经济基础，如合肥、芜湖和马鞍山，社会组织成员的素质更高，传播的信息有更高的质量，从而创造了更多制造财富的机会;其他一些地区，如黄山和宣城，民间商业文化浓厚，故而社会网络资本有更好的作用平台，也因此对经济的正向作用更明显。

样本二由3个皖中和5个皖北城市构成，劳动力的回归系数为0.546高于物质资本的系数0.378，表明劳动力对经济增长的直接显著效应要高于物质资本。而LnS的回归系数仅在15%的水平上显著，说明社会网络资本在样本二地区对经济的作用不明显。论及原因，这些城市人口虽多，但劳动力流失比较严重，主要因为当地无特色产业或产业结构单一无法创造充足的就业机会。以皖北为例，淮北和淮南依靠煤炭资源，第二产业占比很高，而阜阳、亳州、宿州人口密度高，没有特色产业，第一产业比值偏高，外出务工人数众多。就业问题对这些地区的经济增长至关重要，因此可以解释实证结果中劳动力要素边际贡献过高的现象。并且，劳动力的大量流失导致了社会组织分布松散，社会网络资本存量少，对经济的影响甚微。

3 政策建议

综合前文的分析，本文可以得出结论：社会网络资本在安徽省经济基础较好的区域对经济的推动作用更为明显，而政府对经济的直接干预在该区域表现出的负向作用也更大;在安徽省经济较为落后的皖中和皖北地区，人力资本对经济的推动作用最大，社会网络资本因其存量小、作用前提不足，对经济的影响很微弱。

所以，在安徽省经济基础较好的地区，政府在经济发展中应充分考量社会网络资本的作用，比如引导建设更多社交性场所、鼓励设立更多社会组织。而在经济相对落后的皖北等地区，政府应更多关注创造就业机会，打造地方特色产业，在此过程中逐渐形成有规模的社会网络，为经济带来良性影响。

参考文献

[1]Woolcock M.Microenterprise and Social Capital：a Framework for Theory，Research，and Policy[J]. Journal of Socio-economics，2001，30（2）：193-198.

[2]Putnam RD.Bowling Alone， America's Declining of Social Capital[J].Journal of Democracy，1995，6（1）：65-78.

[3]Grootaert，Christiaan，Bastelaer V，et al.The Role of Social Capital in Development[M].[S.l.]：[s.n.]，2002.

[4]张维迎，柯荣住.信任及其解释：来自中国的跨省调查分析[J].经济研究，2002，（10）：59-70， 96.

[5]杨鹏鹏，郑萍. 社会资本与西部县域经济发展[J].上海经济研究，2008，（2）：87-90.

[6]吴建伟.社会网络资本与经济发展差距相关性研究——基于中国城市数据的分析[J].经济问题探索，2015，（9）：55-60.

[7]张梁梁，杨俊，张华. 社会资本的经济增长效应[J].财经研究，2017，43（5）：33-45.

[8]Ishise H，Sawada Y.Aggregate Returns to Social Capital：Estimates Based on the Augmented Augmented-solow Model[J].Journal of Macroeconomics，2009，31（3）：376-393.

[9]金丹.社會资本与区域经济增长：基于中国区域视角的实证分析[J].软科学，2012，26（9）：89-94.